DeepMind 发布 Gemini Robotics 2.5 并开源安全基准
Google DeepMind 发布 Gemini Robotics 2.5，其视觉-语言-动作模型在灵巧操作上大幅提升，已能在梅赛德斯-奔驰工厂完成实际作业，并支持 Apptronik Apollo 2 人形机器人完成系蝴蝶结等柔性物体操作。团队同步推出开源安全基准 ASIMOV-jailbreak，为机器人与人类协同作业的安全评估提供标准化工具。
报道正文
Google DeepMind 揭晓了新一代由 AI 驱动的 Gemini Robotics 平台。在 2.5 版本中，Google 表示其机器人 AI 已经非常接近像人类一样完成现实世界任务，令人期待。事实上，一些 Gemini 机器人已经能够在 Mercedes-Benz 工厂中完成实际工作，团队还在筹备一个开源安全基准，为机器人有朝一日与人类并肩作业做好准备。
DeepMind 的物理 AI平台在用户输入与机器人动作之间设有多个计算层。其中之一是视觉语言模型部分，即 Gemini Embodied Reasoning。它本质上接收你的指令，并利用实时视频来规划机器人如何完成任务。另一个主要组件是视觉-语言-动作（VLA）模型，它实际生成机器人动作，例如驱动执行器——这就是 Gemini Robotics，现已升级至 2.5 版本。
DeepMind 表示，Gemini Robotics 2.5 在需要高度灵巧性的任务上表现大幅提升。该模型在 200 多项活动中接受了评估，包括用夹子夹取食物、使用移液管（就像在实验室中那样）等。Google 还展示，搭载 Gemini Robotics 2.5 的 Apptronik Apollo 2 人形机器人如今能用其五指手系出蝴蝶结，这是一项引人注目的壮举，因为可变形物体（如丝带）对机器人来说向来极难操作。